# 图像识别 #
0
关注
1216内容
结合DeepSeek-R1强化学习方法的视觉模型！VLM-R1：输入描述就能精确定位图像目标
VLM-R1 是基于强化学习技术的视觉语言模型，通过自然语言指令精确定位图像目标，支持复杂场景推理与高效训练。
MME-CoT：多模态模型推理能力终极评测！六大领域细粒度评估，港中大等机构联合推出
MME-CoT 是由港中文等机构推出的用于评估大型多模态模型链式思维推理能力的基准测试框架，涵盖数学、科学、OCR、逻辑、时空和一般场景等六个领域，提供细粒度的推理质量、鲁棒性和效率评估。
MeteoRA：多任务AI框架革新！动态切换+MoE架构，推理效率提升200%
MeteoRA 是南京大学推出的多任务嵌入框架，基于 LoRA 和 MoE 架构，支持动态任务切换与高效推理。
LazyLLM：还在为AI应用开发掉头发？商汤开源智能体低代码开发工具，三行代码部署聊天机器人
LazyLLM 是一个低代码开发平台，可帮助开发者快速构建多智能体大语言模型应用，支持一键部署、跨平台操作和多种复杂功能。
MoneyPrinterTurbo：23.9K Star！这个AI把写文案+找素材+剪视频全包了，日更10条不是梦
MoneyPrinterTurbo 是一款功能强大的 AI 工具，支持通过主题或关键词自动生成视频文案、素材、字幕与背景音乐，并合成高清短视频，适合批量生成与多语言支持。
AgentSociety：告别纸上谈兵！AI社会模拟器预判政策漏洞：输入新规秒看30年后社会形态
AgentSociety 是清华大学推出的基于大语言模型的社会模拟器，通过构建类人心智的智能体模拟复杂社会行为，适用于政策沙盒测试、危机预警等场景。
HealthGPT：你的AI医疗助手上线了：支持X光到病理切片，诊断建议+报告生成全自动
HealthGPT 是浙江大学联合阿里巴巴等机构开发的先进医学视觉语言模型，具备医学图像分析、诊断辅助和个性化治疗方案建议等功能。
Aider：27.6K Star！这个终端AI编程神器能用语音改代码，自动生成Git记录并提交，接入DeepSeek斩获编程基准最高分
Aider 是一款基于命令行的开源 AI 编程助手，支持多种编程语言和主流 LLM，可自动完成代码修改、Git 提交及语音交互。
ToddlerBot：告别百万经费！6000刀就能造人形机器人，斯坦福开源全套方案普及机器人研究
ToddlerBot 是斯坦福大学推出的低成本开源人形机器人平台，支持强化学习、模仿学习和零样本模拟到现实转移，适用于运动操作研究和多场景应用。
Magma：微软放大招！新型多模态AI能看懂视频+浏览网页+UI交互+控制机器人，数字世界到物理现实无缝衔接
Magma 是微软研究院开发的多模态AI基础模型，结合语言、空间和时间智能，能够处理图像、视频和文本等多模态输入，适用于UI导航、机器人操作和复杂任务规划。
免费试用